ANALISA CITRA DIGITAL KERUSAKAN KARAT PRODUK SPRING WASHER MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

NINGRUM, DINAR SAKTI CANDRA (2022) ANALISA CITRA DIGITAL KERUSAKAN KARAT PRODUK SPRING WASHER MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (COVER) 41420110035 - Dinar Sakti Candra Ningrum - 02 Cover.pdf Download (267kB) | Preview
Preview	Text (ABSTRAK) 41420110035 - Dinar Sakti Candra Ningrum - 03 Abstrak.pdf Download (28kB) | Preview
	Text (BAB 1) 41420110035 - Dinar Sakti Candra Ningrum - 04 BAB 1.pdf Restricted to Registered users only Download (93kB)
	Text (BAB 2) 41420110035 - Dinar Sakti Candra Ningrum - 05 BAB 2.pdf Restricted to Registered users only Download (197kB)
	Text (BAB 3) 41420110035 - Dinar Sakti Candra Ningrum - 06 BAB 3.pdf Restricted to Registered users only Download (487kB)
	Text (BAB 4) 41420110035 - Dinar Sakti Candra Ningrum - 07 BAB 4.pdf Restricted to Registered users only Download (318kB)
	Text (BAB 5) 41420110035 - Dinar Sakti Candra Ningrum - 08 BAB 5.pdf Restricted to Registered users only Download (29kB)
	Text (DAFTAR PUSTAKA) 41420110035 - Dinar Sakti Candra Ningrum - 10 Daftar Pustaka.pdf Restricted to Registered users only Download (96kB)
	Text (JURNAL) 41420110035 - Dinar Sakti Candra Ningrum - 12 Jurnal.pdf Restricted to Registered users only Download (563kB)

Abstract

Spring Washer merupakan komponen yang dapat digunakan untuk pengencang berulir. Spring Washer terbuat dari bahan logam lalu dibentuk ring bulat. Dalam Quality Prosedur Perusahaan produk yang diproduksi harus dicek kualitasnya agar tidak ada kecacatan produk terkirim ke pelanggan. Kecacatan pada produk berbahan logam diantaranya adalah karat. Pengecekan Spring Washer biasanya dilakukan secara visual manual oleh karyawan, hal ini memerlukan waktu yang tidak sebentar jika yang dicek memiliki kuantitas yang banyak. Dengan adanya Convolutional Neural Network (CNN) dilakukanya perancangan untuk mengklasifikasikan Spring Washer berkualitas baik dan karat. Dalam penelitian ini dilakukan pembentukan sistem dengan Tiga model CNN yaitu VGG16, MobileNet dan Xception. Pembentukan algoritma sistem menggunakan Google Colaboration dengan Bahasa pemrograman Phyton. Dataset diambil dari gambar produk Spring Washer sebanyak 1048 foto dengan keadaan yang berbeda, yaitu Spring Washer OK dan Spring Washer cacat. Hasil dari penelitian ini adalah sistem untuk Klasifikasi Karat Spring Washer dapat dibangun secara baik dengan model VGG16 dan MobileNet dengan akurasi mencapai 100% , sedangkan model Xception hanya mencapai 98,88%. Namun Model yang terbaik adalah model MobileNet karena waktu pelatihan yang lebih singkat daripada model VGG16 dan nilai loss yang paling kecil. Kata kunci : Spring Washer, Karat , CNN, VGG16, MobileNet, Xception

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41420110035
Uncontrolled Keywords:	Spring Washer, Karat , CNN, VGG16, MobileNet, Xception
Subjects:	600 Technology/Teknologi > 600. Technology/Teknologi
Divisions:	Fakultas Teknik > Teknik Elektro
Depositing User:	Nasruddin Mansyur S.Hum
Date Deposited:	12 Dec 2022 03:13
Last Modified:	12 Dec 2022 03:13
URI:	http://repository.mercubuana.ac.id/id/eprint/72410

Actions (login required)

View Item